Preeklampsinin sağlık maliyetlerinin incelenmesi ve yapay zekâ tabanlı bir erken tanı klinik karar destek sistemi ile hastalık yönetim modeli oluşturulması

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, HAMİDİYE SAĞLIK BİLİMLERİ ENSTİTÜSÜ, SAĞLIK YÖNETİMİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: ÜLKÜ VERANYURT

Danışman: Betül AKALIN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Amaç: Bu çalışmanın amacı preeklampsinin (PE) sağlık sistemine getirdiği mali yükünü ve tanı süreçlerini belirlemek, hastalığın erken tanısı için yapay zekâ yöntemleriyle, bir Klinik Karar Destek Sistemi (KKDS) önererek hastalığın tanı yönetimini standardize edici bir hastalık yönetim modeli oluşturmaktır. Gereç ve Yöntem: Çalışmada karma yöntem araştırma desenlerinden "Keşfedici Sıralı Desen" kullanıldı. Bu yöntemle çalışma üç aşamada gerçekleştirildi. İlk aşamada fenomenolojik nitel araştırma yapıldı. Uzmanları ile görüşmelerden elde edilen ifadelerin MAXQDA 22 programıyla içerik analizi yapıldı. İkinci aşamada PE'nin; hasta, hastane ve geri ödeme kurumu perspektiflerinden maliyet analizi yapıldı. Üçüncü aşamada, birinci ve ikinci aşamadan elde edilen veriler ile PE hastaları ve sağlıklı gebelerden oluşan bir veri seti oluşturuldu. Bu aşamada AdaBoost, Rastgele Orman, SVM, LightGBM, K-NN ve CatBoost algoritmaları kullanıldı. Bulgular: Kadın doğum uzmanları ile yapılan görüşmelerden PE hastalığına ait 12 ana tema oluşturulmuştur. Bu temalardan hastalığın maliyet analizinde ve veri seti oluşturulurken yararlanılmıştır. Hastanenin poliklinik PE hastası için katlandığı personel maliyeti 447,84 ₺, genel hizmet maliyeti 459,33 ₺ ve klinik PE hastası için personel maliyeti 201,60 ₺ olarak tahmin edilmiştir. AdaBoost algoritması ile %95 doğruluk ve 0,953 F1 skoru başarısı elde edilmiştir. Veri setinde PCA yöntemi uygulanarak 3 parametreye indirgenmiş ve aynı algoritmalar tekrar test edilmiştir. Çalışma neticesinde özgün bir veri seti oluşturulmuştur. Sonuç: Hastalığın sağlık kurumuna ve hastaya getirdiği maliyetler analiz edilmiştir. Çalışma sonucunda en başarılı makine öğrenmesi algoritması seçilerek PE'nin sağlık kuruluşlarında yönetilmesi için KKDS'li çözüm modelleri önerilmiştir. İşleyiş; aile hekimliği, ayaktan tedavi hizmeti, acil servis ve yatarak tedavi hizmeti alan gebeleri kapsamaktadır.